Semantic Scholar Graph API

📚 语义学者MCP服务器

一个全面的模型上下文协议（MCP）服务器，用于与语义学者的学术数据库无缝集成

](https://smithery.ai/server/@alperenkocyigit/semantic-scholar-graph-api)

维护人员： @阿尔卑斯山

这个强大的MCP服务器通过提供对Semantic Scholar综合数据库的直接访问，弥合了人工智能助理和学术研究之间的差距。无论您是进行文献综述、探索引文网络还是寻求学术见解，该服务器都为数百万篇研究论文提供了一个简化的界面。

🌟 你能做什么？

🔍 高级论文发现

• 智能搜索：使用自然语言查询查找论文
• 批量操作：同时处理多篇论文
• 自动完成：键入时获取智能标题建议
• 精准匹配：使用基于标题的搜索查找确切的论文

🎯 基于人工智能的推荐

• 智能纸建议：根据您的兴趣获得个性化的论文建议
• 多示例学习：使用多个正面和负面例子来微调建议
• 单张纸相似性：查找与特定研究工作类似的论文
• 相关性评分：人工智能支持的相关性评分，可更好地发现论文

👥 作者研究

• 作者简介：全面的作者信息和指标
• 批量作者数据：一次获取多个作者资料
• 作者搜索：按姓名或隶属关系查找研究人员

📊 引文分析

• 引用网络：探索正向和反向引用
• 参考映射：了解纸张关系
• 影响指标：访问引用次数和论文影响

💡 内容发现

• 文本片段：在纸张内容中搜索
• 背景结果：查找相关段落和引文
• 全文访问：通过语义学者提供时

______________________________________________________________________

🛠️ 快速设置

系统要求

• python：3.10或更高
• 依赖项: requests, mcp, bs4, pydantic, uvicorn, httpx, anyio
• 网络：用于API访问的稳定互联网连接

🆕 新增：MCP流式HTTP传输

此服务器现在实现 MCP流式HTTP 传输协议，提供：

• 并发性提高20倍：处理更多同时进行的请求
• 减少延迟：直接HTTP通信，响应时间更快
• 更好的资源效率：更有效地利用资源
• 面向未来：HTTP是MCP规范中推荐的传输方式

服务器使用FastMCP实现无缝MCP协议合规性和最佳性能。

🚀 安装选项

⚡ 使用Smithery一键安装

对于Claude Desktop：

npx -y @smithery/cli@latest install @alperenkocyigit/semantic-scholar-graph-api --client claude --config "{}"

对于游标IDE： 引导到 Settings → Cursor Settings → MCP → Add new server 并粘贴：

npx -y @smithery/cli@latest run @alperenkocyigit/semantic-scholar-graph-api --client cursor --config "{}"

对于风帆：

npx -y @smithery/cli@latest install @alperenkocyigit/semantic-scholar-graph-api --client windsurf --config "{}"

对于克莱恩：

npx -y @smithery/cli@latest install @alperenkocyigit/semantic-scholar-graph-api --client cline --config "{}"

🔧 手动安装

1. 克隆存储库：

   git clone https://github.com/alperenkocyigit/semantic-scholar-graph-api.git
   cd semantic-scholar-graph-api

1. 安装依赖项：

   pip install -r requirements.txt

1. 运行MCP流式HTTP服务器：

   python server.py

______________________________________________________________________

🔧 配置指南

本地设置

Claude桌面设置

macOS/Linux配置： 添加到您的 claude_desktop_config.json:

{
  "mcpServers": {
    "semanticscholar": {
      "command": "python",
      "args": ["/path/to/your/semantic_scholar_server.py"]
    }
  }
}

Windows配置：

{
  "mcpServers": {
    "semanticscholar": {
      "command": "C:\\Users\\YOUR_USERNAME\\miniconda3\\envs\\mcp_server\\python.exe",
      "args": ["D:\\path\\to\\your\\semantic_scholar_server.py"],
      "env": {},
      "disabled": false,
      "autoApprove": []
    }
  }
}

临床整合

{
  "mcpServers": {
    "semanticscholar": {
      "command": "bash",
      "args": [
        "-c",
        "source /path/to/your/.venv/bin/activate && python /path/to/your/semantic_scholar_server.py"
      ],
      "env": {},
      "disabled": false,
      "autoApprove": []
    }
  }
}

远程设置

自动配置

npx -y @smithery/cli@latest install @alperenkocyigit/semantic-scholar-graph-api --client  --key 

有效客户端名称：\[claude、cursor、vscode、boltai\]

Json配置

macOS/Linux配置：

{
  "mcpServers": {
    "semantic-scholar-graph-api": {
      "command": "npx",
      "args": [
        "-y",
        "@smithery/cli@latest",
        "run",
        "@alperenkocyigit/semantic-scholar-graph-api",
        "--key",
        "your-smithery-api-key"
      ]
    }
  }
}

Windows配置：

{
  "mcpServers": {
    "semantic-scholar-graph-api": {
      "command": "cmd",
      "args": [
        "/c",
        "npx",
        "-y",
        "@smithery/cli@latest",
        "run",
        "@alperenkocyigit/semantic-scholar-graph-api",
        "--key",
        "your-smithery-api-key"
      ]
    }
  }
}

WSL配置：

{
  "mcpServers": {
    "semantic-scholar-graph-api": {
      "command": "wsl",
      "args": [
        "npx",
        "-y",
        "@smithery/cli@latest",
        "run",
        "@alperenkocyigit/semantic-scholar-graph-api",
        "--key",
        "your-smithery-api-key"
      ]
    }
  }
}

______________________________________________________________________

🎯 可用工具

______________________________________________________________________

💡 使用示例

基本论文搜索

# Search for papers on machine learning
results = await search_semantic_scholar("machine learning", num_results=5)

作者研究

# Find authors working on natural language processing
authors = await search_semantic_scholar_authors("natural language processing")

引文分析

# Get citation network for a specific paper
citations = await get_semantic_scholar_citations_and_references("paper_id_here")

🆕 人工智能论文推荐

多示例建议

# Get recommendations based on multiple positive and negative examples
positive_papers = ["paper_id_1", "paper_id_2", "paper_id_3"]
negative_papers = ["bad_paper_id_1", "bad_paper_id_2"]
recommendations = await get_semantic_scholar_paper_recommendations_from_lists(
    positive_paper_ids=positive_papers,
    negative_paper_ids=negative_papers,
    limit=20
)

单张纸相似性

# Find papers similar to a specific research work
similar_papers = await get_semantic_scholar_paper_recommendations(
    paper_id="target_paper_id",
    limit=15
)

内容发现

# Search for specific text content within papers
snippets = await search_semantic_scholar_snippets(
    query="neural network optimization",
    limit=10
)

______________________________________________________________________

📂 项目架构

semantic-scholar-graph-api/
├── 📄 README.md                    # Project documentation
├── 📋 requirements.txt             # Python dependencies
├── 🔍 search.py   # Core API interaction module
├── 🖥️ server.py   # MCP server implementation
└── 🗂️ __pycache__/                # Compiled Python files

核心组件

• search.py：处理与Semantic Scholar API的所有交互，包括速率限制、错误处理和数据处理
• server.py：实现MCP服务器协议，并公开用于AI助手集成的工具

______________________________________________________________________

🤝 贡献

我们欢迎社区的贡献！以下是您可以提供帮助的方式：

贡献方式

• 🐛 错误报告：发现问题？让我们知道！
• 💡 功能请求：有改进的想法吗？
• 🔧 代码贡献：提交拉取请求
• 📖 文档：帮助改进我们的文档

开发环境设置

1. 分叉存储库
2. 创建要素分支： git checkout -b feature/amazing-feature
3. 进行更改并彻底测试
4. 提交您的更改： git commit -m 'Add amazing feature'
5. 推到分支： git push origin feature/amazing-feature
6. 打开拉取请求

______________________________________________________________________

📄 许可证

该项目根据 MIT许可证 -看看 许可证 文件以获取详细信息。

______________________________________________________________________

🙏 致谢

• 语义学者团队 提供卓越的API
• 模型上下文协议 社区框架
• 贡献者 谁帮助改进这个项目

______________________________________________________________________

📞 支持

• 问题:
• 讨论:
• 维护者: @阿尔卑斯山

______________________________________________________________________

Made with ❤️ for the research community

Empowering AI agents with academic knowledge